基于 Conformer 的混合 ASR 系统用于 Switchboard 数据集
计算与语言
2022-02-22 v2 音频与语音处理
机器学习
摘要
最近提出的 conformer 架构已成功用于端到端自动语音识别（ASR）架构，在不同数据集上取得了最先进的性能。据我们所知，使用 conformer 声学模型用于混合 ASR 的影响尚未被研究。本文提出并评估了一种具有竞争力的基于 conformer 的混合模型训练方案。我们研究了不同的训练方面与方法，以改进词错误率并提高训练速度。我们应用时间下采样方法以实现高效训练，并使用转置卷积将输出序列再次上采样。我们在 Switchboard 300h 数据集上进行了实验，我们的基于 conformer 的混合模型相较于其他架构取得了有竞争力的结果。它在 Hub5'01 测试集上泛化非常好，并显著优于基于 BLSTM 的混合模型。
引用
@article{arxiv.2111.03442,
title = {Conformer-based Hybrid ASR System for Switchboard Dataset},
author = {Mohammad Zeineldeen and Jingjing Xu and Christoph Lüscher and Wilfried Michel and Alexander Gerstenberger and Ralf Schlüter and Hermann Ney},
journal= {arXiv preprint arXiv:2111.03442},
year = {2022}
}
备注
Accepted at ICASSP 2022